SageMaker Esempi di Spark per Scala

Amazon SageMaker fornisce una libreria Apache Spark (SageMakerSpark) che puoi usare per integrare le tue applicazioni Apache Spark. SageMaker Ad esempio, potresti utilizzare Apache Spark per la preelaborazione dei dati e per la formazione e l'hosting dei modelli. SageMaker Per informazioni sulla libreria SageMaker Apache Spark, consulta. Usa Apache Spark con Amazon SageMaker

Scarica Spark per Scala

Puoi scaricare il codice sorgente e gli esempi per entrambe le librerie Python Spark (PySpark) e Scala dal repository Spark. SageMaker GitHub

Per istruzioni dettagliate sull'installazione della libreria Spark, consulta SageMaker Spark. SageMaker

SageMaker Spark SDK per Scala è disponibile nel repository centrale di Maven. Aggiungi la libreria Spark al progetto aggiungendo la seguente dipendenza al file pom.xml:

Se il tuo progetto è stato creato con Maven, aggiungi quanto segue al tuo file pom.xml:


<dependency>
    <groupId>com.amazonaws</groupId>
    <artifactId>sagemaker-spark_2.11</artifactId>
    <version>spark_2.2.0-1.0</version>
</dependency>

Se il tuo progetto dipende da Spark 2.1, aggiungi quanto segue al tuo file pom.xml:


<dependency>
    <groupId>com.amazonaws</groupId>
    <artifactId>sagemaker-spark_2.11</artifactId>
    <version>spark_2.1.1-1.0</version>
</dependency>

Esempio di Spark per Scala

Questa sezione fornisce un codice di esempio che utilizza la libreria Apache Spark Scala fornita da SageMaker per addestrare un modello a SageMaker usare DataFrame s nel tuo cluster Spark. Questo è poi seguito da esempi su come e. Usa algoritmi personalizzati per l'addestramento e l'hosting dei modelli su Amazon SageMaker con Apache Spark Usa il in una pipeline Spark SageMakerEstimator

L'esempio seguente ospita gli artefatti del modello risultanti utilizzando SageMaker servizi di hosting. Per maggiori dettagli su questo esempio, vedi Getting Started: K-Means Clustering on SageMaker with SageMaker Spark. SDK In particolare, questo esempio esegue le seguenti operazioni:

Utilizza il metodo KMeansSageMakerEstimator per adattare (o addestrare) un modello ai dati

Poiché l'esempio utilizza l'algoritmo k-means fornito da SageMaker per addestrare un modello, si utilizza il. KMeansSageMakerEstimator Il modello viene addestrato utilizzando immagini di numeri a una cifra scritti a mano (dal set di dati). MNIST e fornisci le immagini come input DataFrame. Per comodità, SageMaker fornisce questo set di dati in un bucket Amazon S3.

In risposta, lo strumento di valutazione restituisce un oggetto SageMakerModel.
Ottiene le interferenze utilizzando il SageMakerModel preparato

Per ottenere inferenze da un modello ospitato in SageMaker, chiami il metodo. SageMakerModel.transform Trasmetti un DataFrame come input. Il metodo trasforma l'input DataFrame a un altro DataFrame contenente le interferenze ottenute dal modello.

Per una determinata immagine di input di un numero a singola cifra scritto a mano, l'interferenza individua un cluster a cui appartiene l'immagine. Per ulteriori informazioni, consulta Algoritmo K-Means.


import org.apache.spark.sql.SparkSession
import com.amazonaws.services.sagemaker.sparksdk.IAMRole
import com.amazonaws.services.sagemaker.sparksdk.algorithms
import com.amazonaws.services.sagemaker.sparksdk.algorithms.KMeansSageMakerEstimator

val spark = SparkSession.builder.getOrCreate

// load mnist data as a dataframe from libsvm
val region = "us-east-1"
val trainingData = spark.read.format("libsvm")
  .option("numFeatures", "784")
  .load(s"s3://sagemaker-sample-data-$region/spark/mnist/train/")
val testData = spark.read.format("libsvm")
  .option("numFeatures", "784")
  .load(s"s3://sagemaker-sample-data-$region/spark/mnist/test/")

val roleArn = "arn:aws:iam::account-id:role/rolename"

val estimator = new KMeansSageMakerEstimator(
  sagemakerRole = IAMRole(roleArn),
  trainingInstanceType = "ml.p2.xlarge",
  trainingInstanceCount = 1,
  endpointInstanceType = "ml.c4.xlarge",
  endpointInitialInstanceCount = 1)
  .setK(10).setFeatureDim(784)

// train
val model = estimator.fit(trainingData)

val transformedData = model.transform(testData)
transformedData.show

Il codice esemplificativo si comporta come segue:

Carica il MNIST set di dati da un bucket S3 fornito da SageMaker (awsai-sparksdk-dataset) in uno Spark (): DataFrame mnistTrainingDataFrame


// Get a Spark session.

val spark = SparkSession.builder.getOrCreate

// load mnist data as a dataframe from libsvm
val region = "us-east-1"
val trainingData = spark.read.format("libsvm")
  .option("numFeatures", "784")
  .load(s"s3://sagemaker-sample-data-$region/spark/mnist/train/")
val testData = spark.read.format("libsvm")
  .option("numFeatures", "784")
  .load(s"s3://sagemaker-sample-data-$region/spark/mnist/test/")

val roleArn = "arn:aws:iam::account-id:role/rolename"
trainingData.show()

Il metodo show visualizza le prime 20 righe del frame di dati:


+-----+--------------------+
|label|            features|
+-----+--------------------+
|  5.0|(784,[152,153,154...|
|  0.0|(784,[127,128,129...|
|  4.0|(784,[160,161,162...|
|  1.0|(784,[158,159,160...|
|  9.0|(784,[208,209,210...|
|  2.0|(784,[155,156,157...|
|  1.0|(784,[124,125,126...|
|  3.0|(784,[151,152,153...|
|  1.0|(784,[152,153,154...|
|  4.0|(784,[134,135,161...|
|  3.0|(784,[123,124,125...|
|  5.0|(784,[216,217,218...|
|  3.0|(784,[143,144,145...|
|  6.0|(784,[72,73,74,99...|
|  1.0|(784,[151,152,153...|
|  7.0|(784,[211,212,213...|
|  2.0|(784,[151,152,153...|
|  8.0|(784,[159,160,161...|
|  6.0|(784,[100,101,102...|
|  9.0|(784,[209,210,211...|
+-----+--------------------+
only showing top 20 rows

In ogni riga:

La colonna label individua l'etichetta dell'immagine. Ad esempio, se l'immagine del numero scritto a mano è la cifra 5, il valore dell'etichetta è 5.
La colonna features archivia un vettore (org.apache.spark.ml.linalg.Vector) dei valori di Double. Si tratta delle 784 caratteristiche del numero scritto a mano (ogni numero scritto a mano è un'immagine da 28 x 28 pixel, che crea 784 caratteristiche).

Crea uno stimatore () SageMaker KMeansSageMakerEstimator

Il fit metodo di questo stimatore utilizza l'algoritmo k-means fornito da SageMaker per addestrare i modelli utilizzando un input. DataFrame In risposta, restituisce un oggetto SageMakerModel che può essere utilizzato per ottenere le inferenze.

Nota
KMeansSageMakerEstimatorEstende il SageMakerSageMakerEstimator, che estende Apache Spark. Estimator
```
val estimator = new KMeansSageMakerEstimator(
  sagemakerRole = IAMRole(roleArn),
  trainingInstanceType = "ml.p2.xlarge",
  trainingInstanceCount = 1,
  endpointInstanceType = "ml.c4.xlarge",
  endpointInitialInstanceCount = 1)
  .setK(10).setFeatureDim(784)
```
I parametri del costruttore forniscono informazioni che vengono utilizzate per addestrare un modello e distribuirlo su: SageMaker
- trainingInstanceType e trainingInstanceCount: individuano il tipo e il numero delle istanze di calcolo ML da utilizzare per l'addestramento del modello.
- endpointInstanceType—Identifica il tipo di istanza di calcolo ML da utilizzare per ospitare il modello. SageMaker Per impostazione predefinita, viene utilizzata un'istanza di calcolo ML.
- endpointInitialInstanceCount—Identifica il numero di istanze di calcolo ML che inizialmente eseguono il backup dell'endpoint in cui è ospitato il modello. SageMaker
- sagemakerRole— SageMaker assume questo IAM ruolo per eseguire attività per conto dell'utente. Ad esempio, per l’addestramento del modello, legge i dati dal bucket S3 e scrive i risultati dell’addestramento (artefatti del modello) nello stesso.
  
  Nota
  Questo esempio crea implicitamente un SageMaker client. Per creare questo client, devi fornire le tue credenziali, APIutilizza queste credenziali per autenticare le richieste a. SageMaker Ad esempio, utilizza le credenziali per autenticare le richieste di creazione di un processo di formazione e API richiede l'implementazione del modello utilizzando i servizi di hosting. SageMaker
- Una volta creato l'oggetto KMeansSageMakerEstimator, devi impostare i seguenti parametri che verranno utilizzato per l’addestramento del modello:
  - Numero di cluster che l'algoritmo k-means deve creare durante l’addestramento del modello. Possono essere specificati 10 cluster, uno per ogni cifra, da 0 a 9.
  - Parametro che verifica se ogni immagine di input dispone di 784 caratteristiche (ogni numero scritto a mano è un'immagine da 28 x 28 pixel, che crea 784 caratteristiche).
Chiama il metodo fit dello strumento di valutazione.
```
// train
val model = estimator.fit(trainingData)
```
Trasmetti l'input DataFrame come parametro. Il modello fa tutto il lavoro di addestramento del modello e di implementazione. SageMaker Per ulteriori informazioni, consultare Integra la tua applicazione Apache Spark con SageMaker. In risposta, si ottiene un SageMakerModel oggetto, che è possibile utilizzare per ottenere inferenze dal modello in cui è stato distribuito. SageMaker

Puoi fornire solo l'input DataFrame. Non è necessario specificare il percorso di registro dell'algoritmo k-means utilizzato per l’addestramento del modello in quanto la KMeansSageMakerEstimator lo conosce.

Chiama il SageMakerModel.transform metodo per ottenere inferenze dal modello distribuito in. SageMaker

Il metodo transform acquisisce un DataFrame come input, lo converte e restituisce un altro DataFrame contenente le interferenze ottenute dal modello.


val transformedData = model.transform(testData)
transformedData.show

Per semplicità, utilizziamo lo stesso DataFrame come input per il metodo transform che abbiamo utilizzato per l’addestramento del modello in questo esempio. Il metodo transform esegue quanto segue:

Serializza la features colonna nell'input di protobuf e la invia DataFrame all'endpoint per l'inferenza. SageMaker
Deserializza la risposta protobuf nelle due colonne aggiuntive (distance_to_cluster e closest_cluster) nel DataFrame convertito.

Il metodo show ottiene le inferenze per le prime 20 righe nell'input DataFrame:


+-----+--------------------+-------------------+---------------+
|label|            features|distance_to_cluster|closest_cluster|
+-----+--------------------+-------------------+---------------+
|  5.0|(784,[152,153,154...|  1767.897705078125|            4.0|
|  0.0|(784,[127,128,129...|  1392.157470703125|            5.0|
|  4.0|(784,[160,161,162...| 1671.5711669921875|            9.0|
|  1.0|(784,[158,159,160...| 1182.6082763671875|            6.0|
|  9.0|(784,[208,209,210...| 1390.4002685546875|            0.0|
|  2.0|(784,[155,156,157...|  1713.988037109375|            1.0|
|  1.0|(784,[124,125,126...| 1246.3016357421875|            2.0|
|  3.0|(784,[151,152,153...|  1753.229248046875|            4.0|
|  1.0|(784,[152,153,154...|  978.8394165039062|            2.0|
|  4.0|(784,[134,135,161...|  1623.176513671875|            3.0|
|  3.0|(784,[123,124,125...|  1533.863525390625|            4.0|
|  5.0|(784,[216,217,218...|  1469.357177734375|            6.0|
|  3.0|(784,[143,144,145...|  1736.765869140625|            4.0|
|  6.0|(784,[72,73,74,99...|   1473.69384765625|            8.0|
|  1.0|(784,[151,152,153...|    944.88720703125|            2.0|
|  7.0|(784,[211,212,213...| 1285.9071044921875|            3.0|
|  2.0|(784,[151,152,153...| 1635.0125732421875|            1.0|
|  8.0|(784,[159,160,161...| 1436.3162841796875|            6.0|
|  6.0|(784,[100,101,102...| 1499.7366943359375|            7.0|
|  9.0|(784,[209,210,211...| 1364.6319580078125|            6.0|
+-----+--------------------+-------------------+---------------+

Puoi interpretare i dati come segue:

Un numero scritto a mano con label 5 appartiene al cluster 4 (closest_cluster).
Un numero scritto a mano con label 0 appartiene al cluster 5.
Un numero scritto a mano con label 4 appartiene al cluster 9.
Un numero scritto a mano con label 1 appartiene al cluster 6.

Argomenti

Avvertimento JavaScript è disabilitato o non è disponibile nel tuo browser.

Per usare la documentazione AWS, JavaScript deve essere abilitato. Consulta le pagine della guida del browser per le istruzioni.

Convenzioni dei documenti

Apache Spark

Usa algoritmi personalizzati per l'addestramento e l'hosting dei modelli su Amazon SageMaker con Apache Spark

SageMaker Esempi di Spark per Scala

Nota

Nota

Argomenti